AnswersPublished14 sources
722 matematiske manuskripter fra OpenAI: Hvad Lean kan kontrollere – og hvad ikke
Den 6. oktober offentliggjorde OpenAI 722 manuskripter fordelt på 372 familier af beslægtede resultater og hævdede, at modellen havde løst eller gjort fremskridt på mange åbne matematiske problemer.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Den 6. oktober offentliggjorde OpenAI 722 manuskripter fordelt på 372 familier af beslægtede resultater og hævdede, at modellen havde løst eller gjort fremskridt på mange åbne matematiske problemer.
- Lean kan kontrollere logikken i et formaliseret bevis, men kan ikke i sig selv afgøre, om resultatet er nyt, eller om den formaliserede påstand svarer til det tilsigtede åbne problem.
- Den tidligere Navier–Stokes påstand har skærpet spørgsmål om arbejdsproces, kreditering og åbenhed.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did OpenAI release on Oct. 6 from its unreleased frontier model—including the number and range of mathematical manuscripts, their claim. Article summary: On October 6, OpenAI published **722 mathematical manuscripts in 372 related result families** from an unreleased internal frontier model. It presents them as results across many areas of mathematics, including work on l. Topic tags: general, general web, academic, news, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks
OpenAI offentliggjorde den 6. oktober 2026 722 matematiske manuskripter fordelt på 372 familier af beslægtede resultater. Ifølge virksomheden stammer arbejdet fra en intern frontier-model, som endnu ikke er frigivet. Samlingen skal ifølge omtalen rumme løsninger på eller væsentlige fremskridt med hundredvis af åbne matematiske spørgsmål. Mange af manuskripterne har en Lean-formalisering, men ikke alle. 4
17
Offentliggørelsen giver matematikere materiale, de kan undersøge. Den dokumenterer ikke i sig selv, at hvert resultat er nyt, vigtigt eller formuleret på den rigtige måde. Den tidligere påstand om Navier–Stokes, spørgsmål om hvordan resultaterne blev til, og grænserne for formel verifikation gør uafhængig gennemgang afgørende.
Hvad OpenAI har offentliggjort – og hvad virksomheden hævder
Tallene dækker over forskellige ting: 722 manuskripter er samlet i 372 familier af beslægtede resultater. Det er altså ikke en optælling, hvor hvert manuskript svarer til ét særskilt åbent problem. Medier har beskrevet samlingen som arbejde med løsninger på eller væsentlige fremskridt med hundredvis af åbne spørgsmål. Før offentliggørelsen havde OpenAI sagt, at den interne model havde løst mere end 100 langvarige problemer. Det er virksomhedens beskrivelse af modellens arbejde – ikke en optælling af gennembrud, som er bekræftet uafhængigt. 5
OpenAI har også lagt materiale til støtte for forskningen frem. Ifølge omtalen af arkivet omfatter det bevismateriale, et Lean-bibliotek, et katalog over formaliseringer samt kortfattede ræsonnementssammendrag for 10 resultater. Det gør dele af arbejdet lettere at efterprøve, men de tilgængelige sammendrag beskriver ikke hele problemløsningsprocessen for hvert manuskript. 17
Hvor meget kan Lean kontrollere?
Ikke alle 722 manuskripter har en Lean-formalisering. Omtale af udgivelsen anslår, at omkring halvdelen af resultaterne er formelt verificeret i Lean; andre beskrivelser siger, at formaliseringer findes for mange, men ikke alle, manuskripter. 17
Lean er en proof assistant – et værktøj, der kan kontrollere matematiske beviser, når både påstanden og beviset er skrevet ind i systemet i en form, det kan behandle. Det kan kontrollere, om det formaliserede bevis følger af de formaliserede antagelser. Det afgør ikke i sig selv, om den formelle påstand svarer til det matematiske problem, man egentlig ville løse, om resultatet er nyt, eller hvor vigtigt det er.
Det er derfor vigtigt at skelne mellem et maskinkontrolleret, formaliseret bevis og en bredere faglig vurdering af manuskriptet. Den første type kontrol kan styrke tilliden til det formaliserede argument. Den anden kræver stadig, at matematikere gennemgår definitioner, sammenhængen med tidligere arbejde og resultatets betydning.
Derfor spiller Navier–Stokes-påstanden stadig en rolle
I september sagde OpenAI, at et internt system havde fundet en løsning på Navier–Stokes-problemet om eksistens og glathed, og offentliggjorde et skriftligt bevis samt en Lean-formalisering. 2 Påstanden førte til spørgsmål om, hvorvidt resultatet dækkede det problem, matematikere forstår ved Navier–Stokes-problemet, og til bekymring om menneskelige forskeres bidrag og kreditering.
Omtale af det tidligere arbejde beskrev en stor sværm af AI-agenter og millioner af dollars i beregningsomkostninger. De oplysninger handler om Navier–Stokes-arbejdet – ikke om udgifterne til manuskriptsamlingen, der blev offentliggjort i oktober. Det materiale, der henvises til her, fastslår hverken beregningsforbruget eller de samlede omkostninger ved den nye samling.
Historikken gør det relevant at spørge til den nye offentliggørelse: Hvilket tidligere arbejde har været grundlag for de enkelte resultater? Hvordan valgte modellen problemer og gik til dem? Hvilke bidrag kom fra mennesker? Manuskripterne og det ledsagende materiale er et udgangspunkt, men de tilgængelige oplysninger besvarer ikke systematisk spørgsmålene for hvert resultat.
Åbenhed, reaktioner og næste skridt
OpenAI siger, at virksomheden har rådført sig med den uafhængige Advisory Group on Mathematics and Artificial Intelligence, som er knyttet til Institute for Advanced Study, og har brugt gruppens råd og offentlige anbefalinger i arbejdet med offentliggørelsen. Gruppens anbefalinger handler om, hvordan nye matematiske resultater bør gennemgås og formidles. 4
De reaktioner, der hidtil er blevet beskrevet, er blandede. Nogle matematikere ser omfanget af arbejdet og de maskinkontrollerede beviser som potentielt betydningsfulde. Andre fremhæver behovet for at fastslå originalitet, kreditering og betydning – og hvor svært det er at vurdere så mange manuskripter på én gang.
OpenAI har sagt, at virksomheden vil finansiere workshops, konferencer og andre aktiviteter med udgangspunkt i resultaterne. Omtale har også beskrevet en offentlig frigivelse af den interne model som en hensigt, men de tilgængelige kilder fastlægger ingen konkret tidsplan.
Den mest forsvarlige vurdering lige nu er, at OpenAI har offentliggjort en omfattende forskningssamling, som fortjener en grundig gennemgang resultat for resultat. Antallet af manuskripter er ikke det samme som antallet af uafhængigt bekræftede opdagelser, og Lean – selv om værktøjet er nyttigt – afgør ikke spørgsmål om nyhedsværdi, sammenhæng eller betydning.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "722 matematiske manuskripter fra OpenAI: Hvad Lean kan kontrollere – og hvad ikke"?
Den 6. oktober offentliggjorde OpenAI 722 manuskripter fordelt på 372 familier af beslægtede resultater og hævdede, at modellen havde løst eller gjort fremskridt på mange åbne matematiske problemer.
What are the key points to validate first?
Den 6. oktober offentliggjorde OpenAI 722 manuskripter fordelt på 372 familier af beslægtede resultater og hævdede, at modellen havde løst eller gjort fremskridt på mange åbne matematiske problemer. Lean kan kontrollere logikken i et formaliseret bevis, men kan ikke i sig selv afgøre, om resultatet er nyt, eller om den formaliserede påstand svarer til det tilsigtede åbne problem.
What should I do next in practice?
Den tidligere Navier–Stokes påstand har skærpet spørgsmål om arbejdsproces, kreditering og åbenhed.
Sources
openai.comSharing AI progress in mathematics
letsdatascience.comletsdatascience.com · news · openai-publishes-722-aiOpenAI Publishes 722 AI Mathematics Manuscripts